Search

Le travail présenté propose une méthodologie de classification par apprentissage qui permet l’identification des états fonctionnels sur une unité de coagulation impliquée dans le traitement des eaux de surface. La supervision et le diagnostic de ce procédé ont été réalisés en utilisant la méthode de classification LAMDA (Learning Algorithm for Multivariate Data Analysis). Cette méthodologie d’apprentissage et d’expertise permet d’exploiter et d’agréger toutes les informations provenant du procédé et de son environnement ainsi que les connaissances de l’expert. L’étude montre qu’il est possible d’ajouter aux informations issues des capteurs classiques (température, matières en suspension, pH, conductivité, oxygène dissous), la valeur de la dose de coagulant calculée par un capteur logiciel développé dans une étude antérieure afin d’affiner le diagnostic. Le site d’application choisi pour l’identification des états fonctionnels est la station de production d’eau potable Rocade de la ville de Marrakech, Maroc., The present work proposes a learning classification method to identify the functional states of a coagulation process for the treatment of surface water and production of drinking water. Supervisory control and diagnosis were performed using the LAMDA (Learning Algorithm for Multivariate Data Analysis) classification technique. This expert learning method involves the processing and aggregation of all information stemming from an environmental process, and it allows the incorporation of the user’s knowledge. The study shows that it is possible to refine the diagnosis by taking into account the information obtained from common sensors (e.g., temperature, suspended solids, pH, conductivity, dissolved oxygen) together with the predicted coagulant dosage, as computed with an intelligent software sensor developed previously. The Rocade drinking water plant located at Marrakech, Morocco was chosen to test the method.